婴幼儿语料库人工智能技术的详细中文资料概述

　　人类婴儿由于出生时过于虚弱，不具备主动接近成人的行为能力，因此在9个月之前，其主要通过哭声吸引成人的注意，并向成人表达他的需求。婴幼儿语料库是按照一定采样标准采集的电子数据集合，随着大数据时代的到来，语音智能产品已经渗透到移动通信、智能家居、工业生产等很多领域。语音识别技术逐渐趋于成熟，然而，语音识别产品所依赖的语音数据价值变得更加显著，语料库成为重要的基础资源。独有核心技术，让AI更进一步。

　　本语料库采集了近十六万条语音。录音采集人来自中国大陆各地，录制人数300多人，录制家庭300多家，采取0-14个月跟踪家庭录制，男女比例均衡，音频总时长1275小时，采集方式为单麦设备。每条音频单独存储为一个文件，并由专业标注人员手工进行两级标注。所有标注数据都是全检后再交付，以保证交付数据的质量。

　　随着以深度神经网络为代表的人工智能技术的发展，新一轮的人机交互技术热潮正在兴起。在机器视觉领域，由于海量图像和视觉场景数据库的诞生，催生了人脸识别、姿态识别、自动驾驶、无人机等领域的技术革新。目前世界上已有的典型的大规模海量图像和视觉场景数据库包括，ImageNet、MSCOCO等业界知名的数据库。

　　在声音场景和声音事件的识别领域，技术的发展已经成熟，然而商业应用滞后于机器视觉领域的应用。在声音领域，目前世界上最著名的音频数据库包括：欧洲的DCASE（声音场景和事件数据库）和谷歌的Audio Set（包括各类层次结构化的音频分类数据）等。

　　在家庭环境领域，能够用来服务于AI应用的声音数据极为缺乏，本产品旨在填补这一空白，为全球的智能家庭环境的AI应用落地做出贡献。

　　声音场景（Acoustic Scene）指的是室内、室外、火车站、餐厅、看电影、听音乐等实际生活中人们的有声的生活场景，通过声音信号的识别来辨识这类场景，就是声音场景识别；声音事件（Acoustic Event）指的是根据短时声学特征，利用统计学习的建模方法，对不同的声源所关联的事件，进行类别的分类。例如，对哭声、咳嗽声、脚步声，能够通过声音频率特征的分布规律，进行实时的检测，发现家居环境中的突发性事件、婴幼儿的行为事件、家庭成员的异常活动等。